在Scikit-learn中，可以通過使用KMeans類來實現K均值聚類。下面是一個簡單的示例代碼：
from sklearn.cluster import KMeans
import numpy as np
# 創建一些數據用于聚類
X = np.array([[1, 2], [5, 8], [1.5, 1.8], [8, 8], [1, 0.6], [9, 11]])
# 創建KMeans模型并指定聚類的類別數
kmeans = KMeans(n_clusters=2)
# 擬合數據并進行聚類
kmeans.fit(X)
# 獲取聚類結果并打印
labels = kmeans.labels_
print(labels)
在上面的代碼中，首先創建了一些用于聚類的數據X，然后創建了一個KMeans對象，并指定了聚類的類別數為2。接著，使用fit方法擬合數據并進行聚類，最后獲取聚類結果并打印出來。
除了上面的示例代碼，Scikit-learn還提供了更多參數和方法，可以根據具體需求來調整模型的設置和使用其他功能。更多關于K均值聚類的信息可以參考Scikit-learn的官方文檔：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html
